目前,随着环境污染、化石燃料短缺等问题的日趋严重,世界各国已经越来越重视风能等可再生能源的开发与利用,风力发电作为风能利用的主要形式,发展速度日益加快。大规模利用风能转换成间隙性、波动性的电能接入电力系统,不仅给电力系统的安全稳定运行带来严峻的挑战,并且加大了电网系统的旋转备用容量,间接地带来了风力发电运营成本的增加。因此,对风电场的输出功率进行预测显得尤为必要。本文研究基于大数据的风功率预测技术。首先,对大数据的相关概念和特点进行了梳理,重点对大数据的处理流程和处理框架进行了阐述和剖析,并对大数据技术在风电行业应用的可行性进行了说明。其次,结合风电功率预测影响因素的深入分析,对BP神经网咯和支持向量机模型进行了研究,结合两者的优点,提出了组合预测方法。在实例数字仿真分析对比中,误差率得到了降低,预测的精度得到有效提升。再次,运用大数据的分析处理技术,结合建立的组合预测模型建立基于大数据的风电功率预测模型,并对风电场的每台风电机组进行功率预测,最终加总后得到风电场的输出功率。最后,设计实现了一个风功率预测系统,并成功应用运行于国电洁能电力公司。